使用XGboost模块XGBClassifier、plot_importance来做特征重要性排序——修改f1,f2等字段

如果你还不知道如何使用XGboost模块XGBClassifier、plot_importance来做特征重要性排序，戳这个网址即可。

下面我们讲一个全网都没好好讲的问题：如何修改f1,f2成对应的特征名称。（我它喵了个咪的找了起码5天，都是回答不全或者不清楚对应数据格式，最后终于慢慢试出来了）

一、首先，plot_importance()方法是可以自定义title（默认feature importance）、xlabel（默认Frequency score）、ylabel（默认features）和是否网格grid的，更具体的可以使用help()命令或者查看官方文档的。

之前不知道如何改一直以为是xgboost库的问题，现在才发现原来有很多是pyplot子库可以做的，而且plot_importance()方法也确实提供了这些方法，眼拙眼拙。

二、其次，解决中文、负号和自适应的显示问题，可以用如下代码进行设置

# 解决中文和负号显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 使显示图标自适应
plt.rcParams['figure.autolayout'] = True

三、再次，看一下数据格式和读取方式

1. 我选择的数据格式类似于下面这样csv文件（分类标签列是level）
2. 推荐使用的是第一种数据读取方式，使用pandas.read_csv()。
   对于上面所用的无索引列的数据，无需设置index_col，但若第0列是索引123456…，则需要read_csv(index_col=0)。
3. 可使用的第二种读取数据方式是numpy.loadtxt() (np.load_txt使用方法：戳这儿)
   这种读取的特点是只能读取纯数据，也就是表头（表头包含feature名称和分类结果label\level）下面的所有数据。所以需要自己把特征名一个个摘下来制成列表传入。
4. 要想得到满意的结果，数据还需要一个转换
   对于使用pandas.read_csv()的，

data = pd.read_csv(path)
feature_names = list(data.drop(label_col, axis=1).columns)	# 拿到所有的特征

y = data[label_col].values				# np.array类型的标签列
X = data.drop(label_col, axis=1).values	# np.array类型的自变量矩阵，不含表头
# dtrain是我的训练数据（自变量矩阵是X，分类结果即因变量矩阵是y，特征字段重命名成我设置的features列表）
dtrain = xgb.DMatrix(X, label=y, feature_names=x)

对于使用numpy.loadtxt()的，需要如下操作：

# x是我的features列表，除了像下面这样手动输入，
# 你还可以用刚才说的pandas的方法，使用feature_names = list(data.drop(label_col, axis=1).columns)来拿到所有的特征
dataset = loadtxt(path, skiprows=1, delimiter=",") # 以','为分割符，跳过1行（标features那一行）
feature_names = ['#DEPTH', 'SP', 'GR', 'LLS', 'LLD', 'BS', 'RHOB', 'CNL', 'TC', 'NPHI', 'C1', 'C3', 'CALC', 'MTSA',
     'MTSC', 'DGA', 'PERM', 'POR', 'POR2', 'PORF', 'RWA', 'PORT', 'PORW', 'CRT', 'SAND', 'SH', 'MOIS', 'CARB', 'ASHA',
     'GC', 'GP', 'WP', 'ASH1']
X = dataset[:,0:-1]	# 自变量矩阵
y = dataset[:,-1]	# 标签列
# dtrain是我的训练数据（自变量矩阵是X，分类结果即因变量矩阵是y，特征字段重命名成我设置的features列表）
dtrain = xgb.DMatrix(X, label=y, feature_names=feature_names)

四、最后，关于模型训练

你会发现使用的方法跟使用XGboost模块XGBClassifier、plot_importance来做特征重要性排序这篇文章所述已经不一样啦哈哈！
因为我们使用的是

# 构建参数字典
param = {}
# use softmax multi-class classification
param['objective'] = 'multi:softmax'
# scale weight of positive examples
param['eta'] = 0.1
param['max_depth'] = 6
param['silent'] = 1
param['nthread'] = 4
param['num_class'] = 9

# 训练模型的方式有点不一样哦，这个是直接传入打包好的训练数据（同时含自变量、因变量矩阵）
model = xgb.train(param, dtrain)

五、大一统代码！

from numpy import loadtxt
import xgboost as xgb
from xgboost import XGBClassifier
from xgboost import plot_importance
from matplotlib import pyplot as plt
import matplotlib as mpl
import pandas as pd
from sklearn.feature_selection import SelectFromModel

import warnings

warnings.filterwarnings("ignore")
# 加载数据集

path = "label_csv.csv"
# 这是pandas.read_csv()方法
data = pd.read_csv(path)
feature_names = list(data.drop(label_col, axis=1).columns)	# 拿到所有的特征

y = data[label_col].values				# np.array类型的标签列
X = data.drop(label_col, axis=1).values	# np.array类型的自变量矩阵，不含表头
# dtrain是我的训练数据（自变量矩阵是X，分类结果即因变量矩阵是y，特征字段重命名成我设置的features列表）
dtrain = xgb.DMatrix(X, label=y, feature_names=x)

## 注释掉的是numpy.loadtxt()方法：
# dataset = loadtxt(path, skiprows=1, delimiter=",") # 以','为分割符，跳过1行（标features那一行）

# x = ['#DEPTH', 'SP', 'GR', 'LLS', 'LLD', 'BS', 'RHOB', 'CNL', # 'TC', 'NPHI', 'C1', 'C3', 'CALC', 'MTSA',
#     'MTSC', 'DGA', 'PERM', 'POR', 'POR2', 'PORF', 'RWA', #'PORT', 'PORW', 'CRT', 'SAND', 'SH', 'MOIS', 'CARB', 'ASHA',
#     'GC', 'GP', 'WP', 'ASH1']
# print(len(x))

# X:自变量矩阵（特征对应的数据） y:因变量矩阵（根据数据得出的分类结果）
# X = dataset[:,0:-1]
# y = dataset[:,-1]
# dtrain = xgb.DMatrix(X, label=y, feature_names=x)

param = {}
# use softmax multi-class classification
param['objective'] = 'multi:softmax'
# scale weight of positive examples
param['eta'] = 0.1
param['max_depth'] = 6
param['silent'] = 1
param['nthread'] = 4
param['num_class'] = 9


model = xgb.train(param, dtrain)
# 解决中文和负号显示问题
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 使显示图标自适应
plt.rcParams['figure.autolayout'] = True

plot_importance(model, title='特征重要性排序', xlabel='得分', ylabel='特征', grid=False)

plt.show()

# 参考文章:http://www.huaxiaozhuan.com/%E5%B7%A5%E5%85%B7/xgboost/chapters/xgboost_usage.html
# https://xbuba.com/questions/46943314

# https://blog.csdn.net/leo_xu06/article/details/52424924
# https://stackoverflow.com/questions/46943314/xgboost-plot-importance-doesnt-show-feature-names
# https://blog.csdn.net/hao5335156/article/details/81173452
# https://www.cnblogs.com/wj-1314/p/9402324.html